天才一秒记住【畅想小说网】地址：http://www.cxtra.net
它还有另一个优势，我相信从长期来看它将会变成最重要的一点。
在将监管责任委托给平台后，会要求平台利用其数据以确保其经营者遵守相应的法律法规。
你可能会说这里提到的事情——比如税金的计算、收取和汇款——从技术上说很简单。
的确是这样。
但是我喜欢这种体系是因为它所代表的潜力，它可能预示着更多令人兴奋的委托的可能性。
几十年来直到今天，不同的公司都在不断挖掘客户的数字交互活动所形成的“数据轨迹”
的价值。
由此我们产生了对商业和社交重要性的新见解。
有一个我们熟悉的例子可以代表这些新见解带来的影响效果，即信用卡欺诈调查。
当一个异常的活动模式被发现时，你就会接到一个从你银行的安全团队打来的电话，有时你的卡还会被暂时锁定。
虽然这些数字安全系统的热情有时令人讨厌，但它来源于信用卡公司使用的先进的机器学习技术，该技术可以从经验中学习识别某些与信用卡盗用相关的模式。
它可以通过迅速检测和阻止欺诈活动，从而保护广大纳税人和企业数十亿美元的资金。
最近一个著名的挖掘客户交互大数据价值的例子是在2008年。
当时谷歌的工程师宣布他们可以利用谷歌搜索收集的数据预测流感的爆发，并实时追踪流感疫情的传播，他们提供的信息远远超过了疾病控制中心使用自己的跟踪系统获得的可用信息。
虽然几年后谷歌系统的性能出现下降，但是它在使用大数据方面对公众的影响是巨大的。
如果谷歌被要求向疾控中心交出匿名搜索数据，似乎就不太可能出现这样的一个系统。
事实上，它有可能会因为隐私问题而受到公众广泛的反对。
此外，谷歌内部能有机地产生这样的能力，部分是因为谷歌中聚集了众多计算机科学和机器学习的人才。
作为分享经济平台的一种监管手段，类似这样的方法蕴含着巨大的希望。
想想关于歧视的问题。
一直有传闻说纽约的某些黄色出租车歧视非白人乘客，这个传言与本·斯坦西尔（BennStancil）在纽约的士与轿车委员会（axiandLimousineission）公布的匿名访问数据分析不谋而合（如图6.3）。
资料来源：ModeAnalytics网站。
图6.3在纽约市的社区中，种族组成不同与出租车使用的变化情况
已经有类似的担忧表示这样的歧视行为可能会在汽车分享平台、住宿和劳务等点对点市场中出现。
例如，2014年由哈佛大学的本杰明·埃德尔曼（BenjaminEdelman）和迈克尔·卢卡（MichaelLuca）进行的一项研究认为，Airbnb平台里的美国非裔房主可能比白人房主拥有较低的定价权。
虽然这项研究并没有得出确定结论说这个不同是由于客人歧视美国非裔房主，但它却竖起了一面警示旗告诉我们需要警惕的是私人情绪对商业经营边界的侵入。
机器学习技术可以识别与歧视有关的行为模式。
毫无疑问，许多平台已经开始使用这种系统了。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！